MétaCan
Menu
Retour à la cohorte
Enregistrement W1997919779 · doi:10.3389/fgene.2015.00143

Telomeric repeat-containing RNA TERRA: a noncoding RNA connecting telomere biology to genome integrity

2015· review· en· W1997919779 sur OpenAlexafffund
Emilio Cusanelli, Pascal Chartrand

Notice bibliographique

RevueFrontiers in Genetics · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCanadian Institutes of Health ResearchEuropean Commission
Mots-clésTelomereBiologyHeterochromatinTelomeraseGenome instabilityGeneticsChromatinShelterinGenomeRNANon-coding RNAHomologous recombinationDNADNA damageGeneDNA-binding protein

Résumé

récupéré en direct d'OpenAlex

Telomeres are dynamic nucleoprotein structures that protect the ends of chromosomes from degradation and activation of DNA damage response. For this reason, telomeres are essential to genome integrity. Chromosome ends are enriched in heterochromatic marks and proper organization of telomeric chromatin is important to telomere stability. Despite their heterochromatic state, telomeres are transcribed giving rise to long noncoding RNAs (lncRNA) called TERRA (telomeric repeat-containing RNA). TERRA molecules play critical roles in telomere biology, including regulation of telomerase activity and heterochromatin formation at chromosome ends. Emerging evidence indicate that TERRA transcripts form DNA-RNA hybrids at chromosome ends which can promote homologous recombination among telomeres, delaying cellular senescence and sustaining genome instability. Intriguingly, TERRA RNA-telomeric DNA hybrids are involved in telomere length homeostasis of telomerase-negative cancer cells. Furthermore, TERRA transcripts play a role in the DNA damage response (DDR) triggered by dysfunctional telomeres. We discuss here recent developments on TERRA's role in telomere biology and genome integrity, and its implication in cancer.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,090
Tête enseignante GPT0,369
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations223
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in GeneticsMême sujetTelomeres, Telomerase, and SenescenceTravaux en français237 207